最近總是有人問：我們總說數據分析驅動業務，可實際上我做完數據分析給了建議，業務不是不執行，就是陽奉陰違，看起來數據指標做高了，可業績就是不漲！到底是怎麼回事呢？
今天統一解答一下。數據驅動業務，是個很大的話題，我們今天先不扯太多概念，從一個非常生活化的場景入手。
公司裡領導是怎麼要求運營、IT的，就跟家裡父母怎麼要求自己的孩子一樣，不信你看：
方法一：大吼大叫
父母經常喊：你要好好學習！你必須好好學習！！你不好好學習就去掃大街！！！
領導經常在運營面前喊：你要把kpi搞上去！你必須搞上去！你不好好做就去掃大街！！！
這麼喊有用嗎？當然沒用，問題在於：光喊著要做好，卻沒有任何可量化的目標。你指運營和IT望幹什麼呢，只要求結果，不給方向的領導，統統都是尸位素餐。
方法二：考100分
父母經常喊：你要考100分！你還沒考100分？你什麼時候能考100分？
領導經常喊：績效要拿A！你怎麼還沒拿A？你什麼時候能拿A？
這麼喊有用嗎？當然沒用。要是有考100分的本事，還用你喊？要是沒考100分本事，喊了有用？
問題在哪裡？問題在：雖然有量化目標，但完全不切實際，不切實際的目標，指望我們咋做到呢。
方法三：多考10分
說到要切合實際，那父母看了看孩子的考分。哦，這一次考了80分。好，那下一次要考90分。
換到領導，領導說這次我們的kpi是10w，那麼下一次就要拿20w！
這麼有用嗎？當然也沒用，問題在哪裡？問題在於：每一次考試的分數，有可能和當時卷子的難度有關。有可能80分只代表平均水平，也有可能80分已經很難能可貴了（如下圖所示）
脫離大環境，只談具體數字的進步，就會讓個人陷入無所適從的境地。看似做的好，其實是因為運氣好。看似做的不好，其實已經勝出眾人，卻被爹媽罵的無地自容。這樣久而久之，就會喪失奮鬥的動力，把工作交給運氣。
方法四：闖入前10名
既然要考慮大環境，那最好的辦法就是看排名，而不是看具體成績。於是有些家長就這麼定目標：你要考入前10名，你要再進步5名等等等。
換到領導就會說：這次我們的kpi要成為全行業前十，或者進步5名！
這麼有用嗎？當然沒用，問題在於：光講名次，我們並不知道要幹什麼。如果這是跑步的名次，那孩子很清楚：我要加速，讓腿擺動快一點，步子大一點。但是這是考試的名次哦，那到底我該掌握什麼知識點，到底我該做哪些練習，他一無所知。
不談執行，空談名次，就會陷入一個很危險的狀態：勝不知道所以勝，敗不知道所以敗。最後的結果就是排名高了驕傲自滿，排名低了自暴自棄。
方法五：建立錯題本
既然要考慮執行細節，那最好的辦法就是梳理知識點，建立錯題本。把知識點列成提綱，然後對照著看孩子的對錯比例。錯的多的部分要加強，錯的少的少練。
這麼有用嗎？
這些有用！很有用！其實很多每月收費大幾萬塊的課外補習班，乾的就是這件事。這樣孩子終於能知道自己對在哪裡，錯在哪裡了。但是，還能進一步提升效率。就是區分哪些題目難度大，大家都會錯，哪些題目難度小，容易改進。如下圖所示：
方法六：直接抄模範
既然要對著好學生，分析哪裡差距大，哪些容易改進，有的家長就想了：能不能直接抄別人家孩子的做法呢？
這麼做有用嗎？完全沒屁用，問題出在：看似方法六和方法五差不多，可差異在：從個案上看，永遠有不可複製的部分。所以不能照搬個案，而是要找工作流程裡可複製、可照搬的點。從流程上做改進。
真正的數據驅動是什麼
真正的數據驅動有
- 建立數據目標
- 進行目標分析，結合內外因素分析合理性
- 進行流程分析，找到促成目標的關鍵環節
- 進行標杆分析，提煉可複製的成功經驗
- 進行行動激勵，促進一線達成目標
- 基於結果覆盤，總結經驗修正下次目標
這樣的一個循環往復的過程，才是真數據驅動。既給雞湯又給勺子，既給目標又給方法，既給指引又保留靈活性，下屬執行舒服，領導結果滿意。
為什麼達成這個結果那麼難？前邊吐槽了各種不靠譜的領導行為，作為數據驅動發動機的數據分析師，當然也有責任，最大的問題，類似上邊方法七：作為數據分析師壓根不懂業務，什麼流程，什麼大環境，什麼操作SOP，統統不知道。
更有甚者，很多新人不屑於學這些一線實操，一門心思鑽研機器學習，上各種微信群問：“領導讓我分析運營策略優化，我該用KNN還是SVM？”只看數據不懂一線，於是一線各種造假數據滿足他的模型需求，曲線漂亮了，業績死活就是上不去……那畫面真不要太美。
數據分析想突破ppt的限制，就得腳踏實地，對一線有作用。想達成這個過程，既需要領導支持，又需要數據分析師自己的努力，雖然道路艱難，但是也並非無跡可尋
閱讀更多 數據分析不是個事兒 的文章
